Modelo formal de scambaiting agêntico sugere que a corrida armamentista entre fraude e defesa por IA favorece o defensor
Um estudo formaliza a interação entre golpistas que usam agentes de IA para escalar fraudes e agentes defensivos de «scambaiting» que se infiltram nessas conversas para extrair inteligência de ameaças, como contas de mulas e carteiras cripto. O modelo indica que a lucratividade da fraude cai abaixo de zero a partir de certo limiar de prevalência de agentes defensivos, e que, quando ambos os lados melhoram no mesmo ritmo, o investimento do defensor em qualidade de mímica supera, proporcionalmente, os ganhos do atacante em capacidade de detecção.
Scambaiting — a prática de se infiltrar em conversas de golpistas fingindo ser uma vítima em potencial para desperdiçar o tempo do fraudador e, idealmente, extrair informações que ajudem a desmantelar a infraestrutura da fraude — deixou de ser uma atividade artesanal feita por voluntários e passou a ser disputada por agentes autônomos de ambos os lados. De um lado, golpistas evoluíram de gerar mensagens automatizadas para operar sistemas conversacionais agênticos completos, capazes de escalar o número de vítimas simultâneas atendidas. Do outro, agentes de scambaiting também agora operam de forma autônoma, sustentando conversas longas para coletar dados acionáveis, como contas bancárias de mulas e endereços de carteiras de criptomoeda, que podem ser reportados para interromper essas operações.
O artigo formaliza essa disputa como um jogo entre agentes que competem pela descoberta, preservação e exploração dos recursos uns dos outros — tempo, credibilidade, capacidade de distinguir agente de humano — e analisa como engajamento, consumo de recursos, adaptação de crenças e desfechos de interrupção evoluem conforme as capacidades de cada lado mudam. O achado central é que a lucratividade do golpista não cai de forma gradual conforme mais agentes defensivos entram no ecossistema: ela atravessa um limiar e se torna negativa, ou seja, existe um ponto a partir do qual manter a operação de fraude passa a custar mais, em tempo e recursos desperdiçados com agentes defensivos disfarçados de vítimas, do que ela retorna em vítimas reais.
O segundo achado, talvez mais interessante estrategicamente, é sobre a dinâmica da corrida armamentista quando ambos os lados investem na mesma velocidade em melhorar suas capacidades: segundo o modelo, investimento do defensor em qualidade de mímica (parecer uma vítima convincente) rende ganhos proporcionalmente maiores do que o investimento equivalente do atacante em capacidade de detectar que está falando com um agente defensivo. Em outras palavras, nos parâmetros de base do estudo, é estruturalmente mais fácil para a defesa parecer convincente do que para o ataque detectar o disfarce, o que inclina a corrida armamentista a favor de quem defende.
Na prática, isso dá uma justificativa formal para operações de scambaiting automatizado como estratégia de disrupção em escala — não apenas como ação pontual de pesquisadores ou jornalistas, mas como um mecanismo sistemático de elevar o custo operacional da fraude via IA até torná-la não lucrativa, desde que a prevalência desses agentes defensivos seja suficiente para cruzar o limiar identificado. Isso é relevante tanto para quem pensa em políticas de combate a fraude quanto para quem desenha esses agentes defensivos, já que a análise sugere que investir em parecer uma vítima convincente tem retorno desproporcional em relação a investir só em volume de conversas iniciadas.